[关于国内外锂离子电池管理系统的现状分析]大规模锂离子电池管理系统pdf
时间：2019-01-02 03:17:35 来源：雅意学习网 本文已影响 人 
摘要: 在当前我国的能源与环境形势下,电动汽车是适应节能环保要求、满足家庭日常通勤需要、具有广阔市场前景的纯电动车辆,而电池作为其最重要的动力源,对于车辆的使用性能和安全性等有着重要的影响。本文结合微型电动汽车的使用情况,对国内外锂离子电池管理系统的现状进行了简要的分析。
关键词: 微型电动汽车锂离子电池电池管理系统
容量、比功率和峰值功率、快速充电、寿命、价格等是衡量蓄电池质量的几项指标。目前,价格低廉的铅酸蓄电池广为国内电动车和电动自行车使用,但其比能量、比功率相对较低,电池的寿命也相对较短。在要求更高的微型电动车上,一般采用更高性能、安全和环境友好的锂离子电池,这种电池在续驶里程、功率表现和电池寿命上为车辆提供了更好的保障。然而,尽管采用了各方面性能都较为优秀的锂离子电池,但现有的车用锂离子电池在随车使用中依然存在一系列的问题,最突出的表现就是:电池在运行过程中无法及时准确地预测与监控其状态,电池经常出现过充、过放、过热等情况,这些情况不仅损害了电池本身的寿命,而且造成车辆使用者成本的增加,严重的还将造成车辆停驶、损坏甚至烧毁爆炸等极端危险的情况。为了保护任意车辆工况下电池的安全性,同时将电池的实时参数反馈给车辆控制器,需要建立锂离子电池管理系统,该系统是保证电池正常运行、保护电池寿命和驾乘人员安全的必要一环。
电池管理系统的主要任务是:对电池的电压、电流、温度等参数进行采集、记录和传输,并限制这些参数在一定的区间内。除此之外,还需要通过一定的算法,得到电池的剩余容量SOC,并反映给车辆控制器,对其作必要的限制。SOC的监控可以更大程度上发挥电池能力,也可以更好地保护电池工作在安全区域。因此,电池管理系统的设计对于确保微型电动汽车正常运行、保护驾乘人员安全有着重大的意义。电池管理系统工程化和产业化也是降低微型电动汽车成本、提高产品市场竞争力的重要任务。
当前国内外针对电池管理系统的研究主要有以下几个特点:
第一,绝大部分现存电池及其管理的研究文献的对象是混合动力汽车,而面向微型纯电动轿车用电池的锂离子管理系统的研究还不多见。混合动力和纯电动车辆对所用电池在多个方向上存在明显不同的使用要求。混合动力车辆用电池管理主要着眼于电池和其他动力源在车辆使用中的能量管理策略和动态协调问题;而微型纯电动车辆的电池管理系统的重点在于电池本身的安全保护、性能提高,以及电池参数和整车的通讯过程,这样的差别使得纯电动微型车用电池管理系统的研究具有一定的独特性。
第二,在国内外电池管理系统的研究中,关于是否监测电池的剩余容量SOC存在不同的看法。许多采用铅酸电池的低档车辆没有监测电池的剩余容量SOC,而仅用电池的端电压表现来判定电池的情况。这种做法的主要问题在于:电池的端电压受瞬时电流的影响非常严重:大电流冲击下的端电压骤降现象非常明显,二小电流下的端电压下降速率在初始阶段却可能非常轻微。同时,电池一段较大电流放电结束后,端电压反而会出现上升的情况,这就造成电池端电压在放电过程中的变化不单调,电池的剩余容量SOC和电池端电压表现不存在一一对应的关系,于是仅依靠电池的端电压监控无法完整得到电池的状态。
第三,国内外在SOC的估计算法上已经存在较为多样的方法。其中,比较重要的方法有以下几种:
a.安时积分方法
安时积分方法是蓄电池SOC在线估计的最常用方法,丰田公司Prius、本田公司的电动汽车EVPlus,通用大宇的电动汽车DEV5使用的都是安时积分法。安时积分方法能够基本满足电动汽车电池组SOC估计的需要,但是精度还需提高。
b.神经网络法
神经网络法适用于各种电池,缺点是需要大量的试验数据进行训练,估计误差受训练数据和训练方法的影响很大,适用范围受训练数据限制,而且在电池管理系统中较难实现。此外大量文献使用的神经网络大部分处于恒流、恒负载充放电状态的电池的SOC。实际电动汽车动力电池的工作状态多样且电流剧烈变化,适合电动汽车工况的神经网络SOC估计方法还在研究中。
c.卡尔曼滤波法
卡尔曼滤波理论的核心思想是对系统的状态作出最小方差意义上的最优估计。它的算法是一套包括SOC估计值和反映估计误差的协方差矩阵的递归方程。与其他方法相比,卡尔曼滤波法的优点是对初始SOC误差不敏感和更适于电流波动剧烈的电动汽车应用环境,缺点是对电池性能模型精度及电池管理系统计算能力要求高。
目前,丰田公司、本田公司和福特公司生产的混合动力汽车使用的电池组SOC估计方法都是电流(安时积分法)结合电压(开路电压法和负载电压法)的估计方法,精度为10%―20%,电池SOC使用范围为0.5―0.8。现在各个公司都在不断对自己的电池组SOC估计技术进行改进,包括香港大学、德国乌尔姆大学、德国亚琛工业大学也都正在进行电池SOC估计方法的研究。
参考文献:
[1]刘正耀等.动力锂离子电池管理系统的研究.北京大学学报(自然科学版),2006.12,VOL42.
[2]吴东兴,关道诤,齐国光.高精度预测SOC的混合电动车电池管理系统的研究.高技术通讯,2006.4,VOL16,(4).
[3]胡明辉等.混合动力汽车电池管理系统SOC的评价.重庆大学学报,2003.4,VOL26,(4).
[4]Takuya Kinoshita,Battery System,Battery Monitoring Methodand Apparatus,United States Patent,Patent No.US 7173 392 B2,Date Feb,2007.6.
[5]Takao Hidaka,Battery-Voltage Monitoring Integrated-Circuit and Battery-Voltage Monitoring System,United States Patent,Patent No.US 7248 020 B2,Date Jul,2007,24.
[6]Minggao Ouyang,Shuo Tian,Munan Hong,An Experimental Studyand Nonlinear Modeling of Discharge I-V Behavior of Valve-Regulated Lead-Acid Batteries,2008 IEEE(to be published)
[7]林成涛等.电动汽车SOC估计方法原理与应用.电池,2004,(10):376-378.
